我们很高兴地宣布 MLflow 1.29.0 现已发布！

MLflow 1.29.0 包含多项重要功能和改进。

功能

• [Pipelines] 提高 scikit-learn 回归 Pipeline 中数据集剖析的性能和保真度 (#6792, @sunishsheth2009)
• [Pipelines] 添加 mlflow pipelines get-artifact CLI，用于检索 Pipeline 构件 (#6517, @prithvikannan)
• [Pipelines] 为 scikit-learn 回归 Pipeline 引入跳过数据集剖析的选项 (#6456, @apurva-koti)
• [Pipelines / UI] 在 MLflow UI 中显示用于重现 Pipeline 运行的 mlflow pipelines CLI 命令 (#6376, @hubertzub-db)
• [Tracking] 如果用户未提供，则自动为 Runs 生成友好名称 (#6736, @BenWilson2)
• [Tracking] 添加 load_text()、load_image() 和 load_dict() 流畅 API，方便加载构件 (#6475, @subramaniam02)
• [Tracking] 为 Experiment 类添加 creation_time 和 last_update_time 属性 (#6756, @subramaniam02)
• [Tracking] 在 MLflow 仓库中添加官方 MLflow Tracking Server Dockerfile (#6731, @oojo12)
• [Tracking] 为 Java 客户端添加 searchExperiments API，并弃用 listExperiments (#6561, @dbczumar)
• [Tracking] 为 R 客户端添加 mlflow_search_experiments API，并弃用 mlflow_list_experiments (#6576, @dbczumar)
• [UI] 使 MLflow Tracking UI 中的 URL 可点击 (#6526, @marijncv)
• [UI] 在构件查看器窗格中引入对 CSV 数据预览的支持 (#6567, @nnethery)
• [Model Registry / Models] 引入 mlflow.models.add_libraries_to_model() API，用于向 MLflow Model 添加库 (#6586, @arjundc-db)
• [Models] 为 mlflow.evaluate() 添加模型验证支持 (#6582, @zhe-db, @jerrylian-db)
• [Models] 为 mlflow.evaluate() 引入 sample_weights 支持 (#6806, @dbczumar)
• [Models] 为 mlflow.evaluate() 添加 pos_label 支持，用于识别正类 (#6696, @harupy)
• [Models] 使 mlflow.evaluate() 中的 metric name prefix 和 dataset info 可配置 (#6593, @dbczumar)
• [Models] 添加用于验证数据集与模型签名兼容性的实用工具 (#6494, @serena-ruan)
• [Models] 为 scikit-learn 模型的 pyfunc 表示添加 predict_proba() 支持 (#6631, @skylarbpayne)
• [Models] 为 MLflow Model 模式添加 Decimal 类型推断支持 (#6600, @shitaoli-db)
• [Models] 添加用于为模型服务生成 Dockerfile 的新 CLI 命令 (#6591, @anuarkaliyev23)
• [Scoring] 为 scoring server 添加 /health 端点 (#6574, @gabriel-milan)
• [Scoring] 支持在 Sagemaker 部署期间指定 variant_name (#6486, @nfarley-soaren)
• [Scoring] 支持在 SageMaker 部署期间指定 data_capture_config (#6423, @jonwiggins)

错误修复

• [Tracking] 使 Run 和 Experiment 的删除和恢复操作具有幂等性 (#6641, @dbczumar)
• [UI] 修复影响 MLflow UI 中 Experiments 列表的对齐错误 (#6569, @sunishsheth2009)
• [Models] 修复 MLflow 1.28.0 中出现的已记录 Spark Models 目录路径结构回归问题 (#6683, @gwy1995)
• [Models] 加载模型代码时不再重新加载主模块 (#6647, @Jooakim)
• [Artifacts] 修复 mlflow server 在 --serve-artifacts 模式下与 HDFS 的兼容性问题 (#6482, @shidianshifen)
• [Scoring] 修复 TensorFlow 和 Keras 中一维张量输入的推理失败问题 (#6796, @LiamConnell)

文档更新

• [Tracking] 将 SearchExperiments API 标记为稳定 (#6551, @dbczumar)
• [Tracking / Model Registry] 弃用 ListExperiments、ListRegisteredModels 和 list_run_infos() API (#6550, @dbczumar)
• [Scoring] 弃用 mlflow.sagemaker.deploy()，改用 SageMakerDeploymentClient.create() (#6651, @dbczumar)

有关更改的完整列表，请参阅 发布日志，并查看 mlflow.org 上的最新文档。